在本教程中，我们将使用 TensorFlow (Keras API) 实现一个用于二进制分类任务的深度学习模型，该任务包括将细胞的图像标记为感染或未感染疟疾。

数据集来源：https://www.kaggle.com/iarunava/cell-images-for-detecting-malaria

数据集包含2个文件夹

感染：:13780张图片 未感染：13780张图片

总共27558张图片。

此数据集取自NIH官方网站：https://ceb.nlm.nih.gov/repositories/malaria-datasets/

环境：kaggle，天池实验室或者gogole colab都可以。

导入相关模块

import cv2 import tensorflow as tf from tensorflow.keras.models import Sequential  from tensorflow.keras.layers import Dense, Conv2D, MaxPool2D, Flatten, Activation from sklearn.model_selection import train_test_split import numpy as np import matplotlib.pyplot as plt import glob import os

对于图片数据存在形状不一样的情况，因此需要使用 OpenCV 进行图像预处理。

将图片变成 numpy 数组(数字格式)的形式转换为灰度，并将其调整为一个(70×70)形状。

img_dir=”../input/cell-images-for-detecting-malaria/cell_images”   img_size=70 def load_img_data(path):     # 打乱数据     image_files = glob.glob(os.path.join(path, “Parasitized/*.png”)) +                    glob.glob(os.path.join(path, “Uninfected/*.png”))     X, y = [], []     for image_file in image_files:         # 命名标签  0 for uninfected and 1 for infected         label = 0 if “Uninfected” in image_file else 1         # load the image in gray scale 变成灰度图片         img_arr = cv2.imread(image_file, cv2.IMREAD_GRAYSCALE)         # resize the image to (70×70)  调整图片大小         img_resized = cv2.resize(img_arr, (img_size, img_size))         X.append(img_resized)         y.append(label)     return X, y X, y = load_img_data(img_dir)

查看X的shape。

print(X.shape)

X的shape为(27558, 70, 70, 1)，27558表示图片的数据，70*70表示图片的长和宽像素。

另外，为了帮助网络更快收敛，我们应该进行数据归一化。在sklearn 中有一些缩放方法，例如：

在这里我们将除以255，因为像素可以达到的最大值是255，这将导致应用缩放后像素范围在 0 和 1 之间。

X, y = load_img_data(img_dir) # reshape to (n_samples, 70, 70, 1) (to fit the NN) X = np.array(X).reshape(-1, img_size, img_size, 1) #从[0，255]到[0，1]缩放像素 帮助神经网络更快地训练 X = X / 255  # shuffle & split the dataset X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1, stratify=y) print(“Total training samples:”, X_train.shape) print(“Total validation samples:”, X_test.shape[0])

使用sklearn的train_test_split()方法将数据集划分为训练集和测试集，我们使用总数据的 10% 稍后对其进行验证。

在建立的模型中，我们将添加 3 个卷积层，然后Flatten是由层组成的全连接Dense层。

model = Sequential() model.add(Conv2D(64, (3, 3), input_shape=X_train.shape[1:])) model.add(Activation(“relu”)) model.add(MaxPool2D(pool_size=(2, 2)))  model.add(Conv2D(64, (3, 3))) model.add(Activation(“relu”)) model.add(MaxPool2D(pool_size=(2, 2)))  model.add(Conv2D(64, (3, 3))) model.add(Activation(“relu”)) model.add(MaxPool2D(pool_size=(2, 2)))  model.add(Flatten())  model.add(Dense(64)) model.add(Activation(“relu”))  model.add(Dense(64)) model.add(Activation(“relu”))  model.add(Dense(1)) model.add(Activation(“sigmoid”))  model.compile(loss=”binary_crossentropy”, optimizer=”adam”, metrics=[“accuracy”]) print(model.summary())

由于输出是二进制的(感染或未感染)，我们使用Sigmoid 函数作为输出层的激活函数。

# train the model with 10 epochs, 64 batch size model.fit(X_train, np.array(y_train), batch_size=64, epochs=10, validation_split=0.2)

在训练数据集及其验证拆分上实现了94%的准确率。

现在使用evaluate() 来评估测试数据集上的模型

loss, accuracy = model.evaluate(X_test, np.array(y_test), verbose=0) print(f”Testing on {len(X_test)} images, the results are  Accuracy: {accuracy} | Loss: {loss}”)

输出如下

Testing on 2756 images, the results are Accuracy: 0.9404934644699097 | Loss: 0.1666732281446457

该模型在测试数据中也表现OK，准确率达到94%

最后，我们将通过保存我们的模型来结束所有这个过程。

model.save(“model.h5”)